دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Tamalika Chaira. Ajoy Kumar Ray
سری:
ISBN (شابک) : 9781439807088, 1439807086
ناشر: CRC Press
سال نشر: 2009
تعداد صفحات: 234
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Fuzzy Image Processing and Applications with MATLAB به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پردازش تصویر فازی و برنامه های کاربردی با متلب نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بر خلاف روشهای تحلیل تصویر کلاسیک که از ریاضیات \"ترد\" استفاده میکنند، تکنیکهای مجموعه فازی پایهای ظریف و مجموعهای از متدولوژیهای غنی را برای وظایف مختلف پردازش تصویر فراهم میکنند. با این حال، درک کامل از پردازش فازی مستلزم درک دقیق اصول اساسی و دانش پس زمینه است.
پردازش تصویر فازی و برنامه های کاربردی با MATLAB® ارائه دهنده علوم انتگرال و ریاضیات ضروری در پشت این شاخه هیجان انگیز و پویا از پردازش تصویر، که به طور فزاینده ای برای برنامه های کاربردی در زمینه هایی مانند سنجش از راه دور، تصویربرداری پزشکی و نظارت تصویری اهمیت پیدا می کند، چند مورد را نام برد.
بسیاری از متون استفاده از مجموعههای واضح را پوشش میدهند، اما این کتاب با کاوش در انفجار علاقه و رشد قابلتوجه در پردازش تصویر مجموعه فازی متمایز است. نویسندگان برجسته به وضوح مفاهیم نظری و کاربردهای تئوری مجموعه های فازی و تأثیر آن ها را در زمینه هایی مانند بهبود، تقسیم بندی، فیلتر کردن، تشخیص لبه، بازیابی تصویر مبتنی بر محتوا، تشخیص الگو، و خوشه بندی ارائه می دهند. آنها تمام اجزای فازی، جزئیات پیش پردازش، تشخیص آستانه، و تقسیم بندی مبتنی بر تطابق را توصیف می کنند.
به حداقل رساندن خطاهای پردازش با استفاده از نظریه مجموعه فازی پویا
این کتاب به عنوان یک آغازگر در متلب عمل می کند و نحوه پیاده سازی آن را در روش های پردازش تصویر فازی نشان می دهد. این نشان میدهد که چگونه میتوان از کد برای بهبود محاسبات استفاده کرد که به جلوگیری یا مقابله با عدم دقت کمک میکند - چه در سطح خاکستری تصویر، هندسه یک شی، تعریف لبهها یا مرزهای یک شی، یا در بازنمایی دانش، تشخیص اشیا باشد. ، یا تفسیر تصویر.
متن این ملاحظات را با استفاده از تئوری مجموعههای فازی برای آستانهگذاری تصویر، تقسیمبندی، تشخیص لبه، بهبود، خوشهبندی، بازیابی رنگ، خوشهبندی در تشخیص الگو، و سایر عملیات پردازش تصویر مورد بررسی قرار میدهد. . نویسندگان با برجسته کردن ایدههای کلیدی، نتایج تجربی رویکردهای فازی جدید خود و آنهایی که توسط نویسندگان مختلف پیشنهاد شدهاند، ارائه میکنند، و دادهها و بینشهایی را ارائه میکنند که برای معلمان، دانشمندان، و مهندسان و سایرین مفید خواهد بود.
In contrast to classical image analysis methods that employ "crisp" mathematics, fuzzy set techniques provide an elegant foundation and a set of rich methodologies for diverse image-processing tasks. However, a solid understanding of fuzzy processing requires a firm grasp of essential principles and background knowledge.
Fuzzy Image Processing and Applications with MATLAB® presents the integral science and essential mathematics behind this exciting and dynamic branch of image processing, which is becoming increasingly important to applications in areas such as remote sensing, medical imaging, and video surveillance, to name a few.
Many texts cover the use of crisp sets, but this book stands apart by exploring the explosion of interest and significant growth in fuzzy set image processing. The distinguished authors clearly lay out theoretical concepts and applications of fuzzy set theory and their impact on areas such as enhancement, segmentation, filtering, edge detection, content-based image retrieval, pattern recognition, and clustering. They describe all components of fuzzy, detailing preprocessing, threshold detection, and match-based segmentation.
Minimize Processing Errors Using Dynamic Fuzzy Set Theory
This book serves as a primer on MATLAB and demonstrates how to implement it in fuzzy image processing methods. It illustrates how the code can be used to improve calculations that help prevent or deal with imprecision—whether it is in the grey level of the image, geometry of an object, definition of an object’s edges or boundaries, or in knowledge representation, object recognition, or image interpretation.
The text addresses these considerations by applying fuzzy set theory to image thresholding, segmentation, edge detection, enhancement, clustering, color retrieval, clustering in pattern recognition, and other image processing operations. Highlighting key ideas, the authors present the experimental results of their own new fuzzy approaches and those suggested by different authors, offering data and insights that will be useful to teachers, scientists, and engineers, among others.